在极限弯曲条件下，用于船体概率需求模型及分析性脆弱性量化的研究

《Marine Structures》：Probabilistic demand models and analytical fragility quantification for ship hulls under ultimate bending conditions

船舶终极抗弯能力下脆弱性分析框架构建与验证，采用概率需求模型和非线性回归方法量化多工况下结构性能，突破传统有限元模拟的计算瓶颈，建立适用于油轮类的解析脆弱性曲线，并与神经网络辅助的有限元仿真结果对比验证，为船舶安全评估提供高效工具。

　　本文探讨了船舶结构在不同危害强度下的性能评估方法，特别是通过分析性方法建立船舶脆弱性曲线。传统上，船舶结构的可靠性评估依赖于模拟技术，如有限元分析，以评估其在特定载荷条件下的行为。然而，这种模拟方法通常计算成本高昂，且仅适用于特定船舶。因此，研究者提出了一种更高效的分析性方法，以量化船舶在多种危害强度下的脆弱性。本文的核心目标是开发一种系统框架，通过概率需求分析，为特定船舶类别建立分析性脆弱性曲线。

在传统可靠性设计中，船舶的结构完整性通常通过考虑多种失效模式和相关极限状态的设计程序来保证。这些设计程序旨在确保船舶的结构性能始终高于可接受的阈值，以防止可能导致重大经济损失、环境破坏或人员伤亡的结构失效。可靠性分析已经成为评估船舶结构风险的重要工具，广泛应用于船舶结构的组件和系统层面。例如，Akpan等人[2]、Kwon与Frangopol[3]、Tamimi等人[4]、Woloszyk等人[5]、Li等人[66]、Soszyńska-Budny与Ivo?evi?[67]以及Gaidai等人[68]和Ibrahim与Soliman[69]的研究均采用了可靠性分析方法。然而，这些方法通常只适用于特定的载荷条件，无法全面反映船舶结构在不同危害强度下的整体性能。

为了更全面地评估船舶结构的性能，脆弱性分析被引入，它能够量化在特定危害强度下船舶结构处于或超过某一损伤状态的条件概率。这种方法已经被广泛应用于土木基础设施，如桥梁、输电塔和海上风电设备的脆弱性评估。然而，针对船舶结构的脆弱性研究仍相对有限。Decò与Frangopol[12]提出了五种不同的损伤状态，基于材料屈服和塑性区域的扩展情况，评估了船舶在不同操作条件下的结构性能。他们的研究中，结构性能指标（如可靠性与风险）被表示为船舶速度、航向角和显著波高的函数。此外，文献中的一些研究[2,13,14,15]也采用了类似的单调载荷分析方法，但这种方法可能无法充分反映船舶在高幅值循环波载荷下的弯曲能力。

研究表明，在高幅值循环载荷作用下，船舶的最终弯曲能力会有所降低。因此，为了准确捕捉船舶结构在风暴条件下的真实行为，并正确定义其损伤状态，有必要考虑循环劣化的影响。Idris等人[19]提出了基于屈服和局部构件塑性应变积累的四种损伤状态，并开发了一个基于模拟的框架来量化船舶的脆弱性。这些损伤状态是通过进行大量低周疲劳分析并量化在循环载荷下船舶横向弯曲矩的退化情况来定义的。Gledi?等人[20]也采用类似的低周疲劳分析方法，评估了事故后船舶结构的承载能力，通过分析波动波载荷在打捞期间可能引发的损伤传播情况。

尽管上述研究提供了对船舶结构性能的深入了解，但它们通常依赖于复杂的模拟方法，计算成本较高。因此，研究者提出了一个分析性框架，以减少计算负担并提高评估效率。该框架的核心在于进行概率需求分析（PD分析），通过建立预测模型来估计特定船舶类别下结构需求的统计特征。这些模型基于船舶的主要参数和潜在的危害强度指标，能够预测工程需求参数（EDPs）的中位数和离散度，而无需复杂的模拟。

为了验证该分析性框架的有效性，研究者使用高保真度的有限元模拟来确定代表船舶（如超大型原油运输船VLCC）的最终弯曲能力。同时，为了应对有限元模拟的高计算成本，引入了人工神经网络（ANNs）作为替代模型。这种结合分析模型与模拟方法的策略，使得研究者能够在不牺牲精度的前提下，提高评估效率。此外，该框架还可以根据需要整合其他容量量化方法，如渐进倒塌分析，以适应不同的评估需求。

本文的分析性框架主要分为三个步骤：1）开发概率需求模型（PDMs），以估计不同操作条件下船舶结构需求的统计特征；2）计算工程需求参数的阈值（即容量阈值），以定义船舶在特定损伤状态下的承受能力；3）生成脆弱性曲线，并与基于模拟的方法进行对比验证。通过这种方法，研究者能够系统地评估船舶结构在不同危害强度下的性能，从而为船舶设计、维护和风险评估提供科学依据。

在案例研究中，本文以五种典型的双壳油轮为例，包括Panamax、Aframax、Suezmax以及两种VLCC（超大型原油运输船）。这些油轮在尺寸和块系数方面存在显著差异，因此能够为分析性框架的适用性提供多样化的数据支持。研究者详细列出了这些船舶的主要参数，并基于这些参数进行了概率需求分析。通过这种方法，研究者能够量化不同油轮在不同危害强度下的结构需求，并进一步建立其脆弱性曲线。

此外，本文还探讨了概率分布函数（如对数正态分布）在拟合工程需求参数时的适用性。对数正态分布因其数学上的简洁性、正偏度特性以及对实测数据的良好拟合能力，被广泛应用于各种结构和基础设施系统的脆弱性评估。研究者通过分析不同操作条件下的需求参数，验证了对数正态分布的适用性，并展示了其在船舶结构脆弱性评估中的有效性。

综上所述，本文提出了一种系统的方法，通过概率需求分析和分析性框架，为特定船舶类别建立脆弱性曲线。该方法不仅提高了评估效率，还能够为船舶设计、维护和风险评估提供更全面的性能分析。通过将分析模型与高保真度的有限元模拟相结合，并利用人工神经网络作为替代模型，研究者能够在保证精度的同时，显著降低计算成本。这种方法为船舶结构的脆弱性评估提供了一个更高效、更实用的工具，有助于提高船舶在各种危害条件下的安全性和可靠性。